Logistische Regression
Sign in to saveAlso known as logit regression, logistic model, logit model, logistic regression, logistic models
Regressionsanalyse
In the Vinony graph
Vinony's link graph records 858 inbound references to Logistische Regression, and connects out to dependent and independent variables, median and linear regression.
It is catalogued under topics including Logistic regression, Predictive analytics and Regression models.
Vinony links it to 27 Wikipedia language editions.
Research
364,581 papers- [Overview of logistic regression model analysis and application].Zhonghua yu fang yi xue za zhi [Chinese journal of preventive medicine] · 2019
- Logistic regression: a brief primer.Academic emergency medicine : official journal of the Society for Academic Emergency Medicine · 2011
- A systematic review shows no performance benefit of machine learning over logistic regression for clinical prediction models.Journal of clinical epidemiology · 2019
- A logistic regression model for prediction of glioma grading based on radiomics.Zhong nan da xue xue bao. Yi xue ban = Journal of Central South University. Medical sciences · 2021
- Alternatives for logistic regression in cross-sectional studies: an empirical comparison of models that directly estimate the prevalence ratio.BMC medical research methodology · 2003
via PubMed
Wikidata facts
- Subclass of
- discriminative model
- Image
- Exam pass logistic curve.svg
- Has use
- regression analysis
Show 5 more facts
- discoverer or inventor
- Joseph Berkson
- Stack Exchange tag
- stackoverflow.com/tags/logistic-regression
- topic's main category
- Category:Logistic regression
- facet of
- data science
via Wikidata · CC0
Article · Deutsch
Unter logistischer Regression oder Logit-Modell versteht man in der Statistik Regressionsanalysen zur (meist multiplen) Modellierung der Verteilung abhängiger diskreter Variablen. Wenn logistische Regressionen nicht näher als multinomiale oder geordnete logistische Regressionen gekennzeichnet sind, ist zumeist die binomiale logistische Regression für dichotome (binäre) abhängige Variablen gemeint. Die unabhängigen Variablen können dabei ein beliebiges Skalenniveau aufweisen, wobei diskrete Variablen mit mehr als zwei Ausprägungen in eine Serie binärer Dummy-Variablen zerlegt werden. Im binomialen Fall liegen Beobachtungen der Art vor, wobei eine binäre abhängige Variable (den so genannten Regressanden) bezeichnet, die mit , einem bekannten und festen Kovariablenvektor von Regressoren, auftritt. bezeichnet die Anzahl der Beobachtungen. Das Logit-Modell ergibt sich aus der Annahme, dass die Fehlerterme unabhängig und identisch Gumbel-verteilt sind. Eine Erweiterung der logistischen Regression stellt die dar; eine Variante dieser ist das .
Abstract from DBpedia / Wikipedia · CC BY-SA